Live 18/11 · Cohorte 318 nov à 19h00 MSK — atelier pratique gratuit sur les agents IA · La Cohorte 3 démarre le 23/11Atelier 18/11 →Cohorte 3 (23/11)
SortieAnalyse · Sur le radarHabr AI→ original

Pinal conçoit des protéines à partir de texte : l’une d’elles a multiplié le rendement par 1,7

Les biotechnologies ont besoin de sélectionner plus rapidement les molécules à tester en laboratoire. Pinal reçoit une description de la fonction d’une protéine, puis propose sa structure et sa séquence d’acides aminés : lors d’une expérience, l’un des variants obtenus a multiplié le rendement par 1,7. Mais la recherche d’une protéine fluorescente a nécessité de générer environ 50 000 séquences. En parallèle, Carbon-X, un modèle ouvert destiné aux questions sur l’ADN, a été publié.

Traité par IA depuis Habr AI ; édité par Hamidun News
Pinal conçoit des protéines à partir de texte : l’une d’elles a multiplié le rendement par 1,7
Source : Habr AI. Collage: Hamidun News.
Écouter l'article
Fiche synthèse et chiffres clés
ParamètreDonnées
Source primaireHabr AI ↗
Rédacteur en chef
Chiffre clé #1Pinal propose des candidats ; leur activité est vérifiée en laboratoire.
Chiffre clé #2Carbon-X analyse l’ADN et explique ses réponses en langage courant.
Chiffre clé #3Les coordonnées et les substitutions exactes dans les séquences doivent être vérifiées par du code.

Une équipe à la recherche d’une nouvelle enzyme a besoin d’une liste de molécules qui méritent d’être testées en laboratoire. Pinal permet de lancer cette recherche à partir d’une description textuelle de la fonction souhaitée. Dans l’une des expériences, la protéine obtenue a multiplié par environ 1,7 le rendement d’une voie artificielle de fixation du CO₂ par rapport à son homologue naturel issu d’E. coli. Pour les développeurs en biotechnologie, ce résultat justifie d’examiner si le modèle peut contribuer à sélectionner les candidats avant des expériences coûteuses.

En parallèle est apparu Carbon-X, un modèle ouvert qui permet d’analyser l’ADN au fil d’une conversation en langage courant. Ces systèmes répondent à des besoins différents : Pinal propose des protéines, tandis que Carbon-X aide à analyser des séquences génétiques. L’idée commune, du point de vue du produit, est claire : le spécialiste formule sa question avec des mots, et le système la relie aux données biologiques.

Pinal : de la description d’une fonction aux candidats à tester en laboratoire

Imaginons qu’il faille une enzyme capable de réaliser une réaction précise. L’utilisateur décrit cette fonction, puis Pinal procède en deux étapes. Le module T2struct propose une représentation structurale de la protéine. SaProt-T utilise ensuite cette représentation et la consigne textuelle pour déterminer une séquence d’acides aminés, c’est-à-dire la chaîne qui constitue la protéine.

Selon les auteurs, le système a été entraîné sur 1,7 milliard de paires associant des données sur les protéines à des descriptions textuelles, les annotations ayant été produites de manière synthétique. Cette précision est essentielle : la taille du jeu d’entraînement ne correspond pas à un nombre d’observations de laboratoire confirmées indépendamment. Les auteurs décrivent l’architecture et la méthode d’entraînement dans un article de Nature.

Dans les expériences présentées, les chercheurs ont trouvé des molécules fonctionnelles pour quatre tâches. Mais le résultat le plus instructif pour établir un budget concerne la protéine fluorescente. Le système a généré environ 50 000 séquences ; après sélection, il restait 29 candidats, dont un s’est effectivement révélé fluorescent.

Il s’agit d’étapes de sélection différentes : les ramener à une seule « précision du modèle » universelle serait donc une erreur. Elles illustrent en revanche le processus réel : génération d’un vaste ensemble, filtrage informatique, puis expérience physique. Pour un responsable produit, le coût nécessaire pour trouver un candidat fonctionnel compte davantage que l’élégance de la réponse dans l’interface.

Carbon-X : poser une question sur l’ADN dans un chat

Carbon-X repose sur Qwen3-14B et compte 14,8 milliards de paramètres. Le modèle a été publié par des chercheurs de Hugging Face, de Zhongguancun Academy et de TIGEM / l’Université de Naples. Le code et les poids sont disponibles sous licence Apache 2.0. Le modèle accepte des séquences d’ADN accompagnées de questions en langage courant ; la famille de modèles et les conditions d’utilisation sont décrites dans la fiche du modèle.

Un scénario simple : un chercheur fournit une région d’ADN d’origine et un variant comportant la substitution d’une seule lettre, puis demande d’en évaluer les conséquences possibles. Autre possibilité : demander si un fragment ressemble à une région qui régule l’activité d’un gène. Cette interface peut intéresser une équipe qui développe des outils pour les chercheurs et souhaite réduire les allers-retours manuels entre séquences, annotations et explications.

Mais une explication cohérente ne suffit pas à valider une conclusion biologique. Les développeurs signalent des erreurs dans le comptage des bases, les coordonnées et les modifications exactes des séquences. Lorsque le contexte manque, le modèle peut inventer une fonction pour une région. La qualité de la génération de longues séquences d’ADN se dégrade également.

Que vérifier avant l’intégration

Ma conclusion pratique : commencer par une opération bien délimitée, pour laquelle on dispose déjà d’exemples validés et dont le coût d’une erreur est connu. Pour Carbon-X, il pourrait s’agir d’une analyse préliminaire de variants connus, suivie d’une vérification par un expert. Pour Pinal, de proposer des candidats au sein d’un processus de laboratoire existant.

Il est raisonnable de confier les opérations exactes sur les séquences à du code : vérifier la longueur, repérer la position d’une substitution, comparer les fragments d’origine et modifiés. Le modèle peut se charger des explications et de la formulation d’hypothèses. Dans l’interface, il est utile de conserver les données d’entrée, la version du modèle et les résultats des vérifications externes afin de pouvoir reproduire la réponse.

Pour un fondateur d’entreprise de biotechnologie, ces travaux offrent une raison concrète de lancer un pilote. Celui-ci devrait être évalué selon le nombre de résultats confirmés, le temps mobilisé par les spécialistes et les dépenses expérimentales. La réussite d’une protéine particulière ou la commodité d’un chat consacré à l’ADN ne permettent pas, à elles seules, de savoir combien coûtera la résolution de votre problème.

Dossier

Questions clés sur cet article

Que sait-on sur Pinal : de la description d’une fonction aux candidats à tester en laboratoire ?

Imaginons qu’il faille une enzyme capable de réaliser une réaction précise. L’utilisateur décrit cette fonction, puis Pinal procède en deux étapes. Le module T2struct propose une représentation structurale de la protéine. SaProt-T utilise ensuite cette représentation et la consigne textuelle pour déterminer une séquence d’acides aminés, c’est-à-dire la chaîne qui constitue la protéine.

Que sait-on sur Carbon-X : poser une question sur l’ADN dans un chat ?

Carbon-X repose sur Qwen3-14B et compte 14,8 milliards de paramètres. Le modèle a été publié par des chercheurs de Hugging Face, de Zhongguancun Academy et de TIGEM / l’Université de Naples. Le code et les poids sont disponibles sous licence Apache 2.0. Le modèle accepte des séquences d’ADN accompagnées de questions en langage courant ; la famille de modèles et les conditions d’utilisation sont décrites dans la fiche du modèle.

Que sait-on sur Que vérifier avant l’intégration ?

Ma conclusion pratique : commencer par une opération bien délimitée, pour laquelle on dispose déjà d’exemples validés et dont le coût d’une erreur est connu. Pour Carbon-X, il pourrait s’agir d’une analyse préliminaire de variants connus, suivie d’une vérification par un expert. Pour Pinal, de proposer des candidats au sein d’un processus de laboratoire existant.

ZK
Zhemal Khamidun — CPO d'Alpina Digital, product manager d'AlpinaGPT. Conçoit des produits IA depuis 2019. Hamidun News est un projet personnel devenu un agrégateur en production avec plus de 6 000 lecteurs.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
Qu'en pensez-vous ?
Chargement des commentaires…